System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于阵列信号处理,具体涉及一种基于自适应对角加载的信源数估计方法。
技术介绍
1、信源数估计在多输入多输出无线通信、脑电图、磁共振成像、雷达和声呐探测等领域均具有重要的应用价值,其通常被用于阵列信号处理领域中进行其他参数估计的关键。目前已经出现了一些代表性的信源数估计方法,包括akaike信息准则(akaikeinformation criterion,aic)、贝叶斯信息准则(bayesian information criterion,bic)、最小化描述长度(minimum description length,mdl)、线性收缩mdl(linearshrinkage based mdl,ls-mdl)、启发式线性收缩(heuristic shrinkage coefficientdetection,scdheur)和基于线性收缩系数的两步差分(two-step difference,tsd)等算法。然而上述算法均基于白噪声的假设条件,并基于样本协方差矩阵的最小特征值实现信源数估计。该类算法对非白噪声/偏离白噪声的信号模型敏感,限制了其广泛应用性。
2、近年来,随着信源数理论研究的深入发展,一些适用于非白噪声的信源数估计新算法亦被提出,包括适用于非均匀噪声的交替检测准则(alternative detectioncriterion,adc)算法和全局mdl(global mdl)算法、适用于色噪声/带限色噪声的盖氏圆估计(gerschgorin disk estimator,gde)算法、信号子空间匹
技术实现思路
1、为了克服现有信源数估计算法的不足,本专利技术结合一般渐近体系下的线性收缩系统提出了一种自适应对角加载的信源数估计方法,该方法用于解决现有技术普适应用性不足的问题,并实现了在白噪声、非均匀噪声、带限色噪声、大规模阵列和小样本及入射信号功率存在较大偏差等条件下信源数的高准确概率估计。
2、本专利技术所采用的技术方案是,一种基于自适应对角加载的信源数估计方法,该方法包括如下步骤:
3、s1、设定d个远场源由角度q1,k,qd入射到由m个天线组成的阵列天线上,获取阵列天线在t时刻的输出数据xt=a st+wt,其中,a表示m×d维的阵列导向矩阵,st表示d×1维独立同分布的高斯信号,wt表示m×1的噪声向量;对所述的输出数据xt进行n次采样,收集n个采样样本并计算采样样本的协方差矩阵及其降序特征值λ1,l,λm,其中,m代表阵列天线数量;
4、s2、设定v个假定信源,在v个假定信源下,利用天线数m、样本数n以及所述降序特征值自适应计算对角加载量
5、s3、将所述降序特征值分别与所述对角加载量进行相加,得到加载后的特征值利用加载后的特征值计算k个假定信源下的线性伸缩系数其表示为:
6、其中,0≤k≤v,k,v均为整数,
7、s4、构建基于所述线性伸缩系数的二阶差分算子,并通过寻找使所述二阶差分算子大于零的v的最大值来完成信源数估计,其具体过程为:
8、s4.1、计算所述线性伸缩系数的二阶差分值其中,
9、s4.2、定义二阶差分算子然后通过寻找使f(k,v)>0成立的v的最大值来获得信源数估计值即
10、
11、其中,max v表示取使f(k,v)>0成立的最大v值,s.t.表示“受限于…”。
12、与现有技术相比,本专利技术的有益效果是:本专利技术方法具有更好的普适应用性,不仅适用于白噪声、非均匀噪声、带限色噪声等多种噪声类型,而且适用于大规模阵列和小样本及入射信号功率存在较大偏差等条件下的信源数估计;同时,本专利技术方法计算效率高、检测稳定性好,且可以提供更高的检测成功概率。
13、作为优选,所述的利用天线数m、样本数n以及所述降序特征值自适应计算对角加载量的其具体过程包括下列步骤:
14、s2.1、计算m-v个特征值λv+1,l,λm的均值:
15、s2.2、计算对角加载量:其中c=m/n。
16、作为优选,步骤s2-s4中所述的假定信源的数量v的取值范围为v∈[2,m],以构建有效的二阶差分算子。
17、作为优选,步骤s4.2中所述的通过寻找使f(k,v)>0成立的v的最大值来获得信源数估计值过程中,一旦出现f(k,2)≤0,k≤2,则
本文档来自技高网...【技术保护点】
1.一种基于自适应对角加载的信源数估计方法,其特征在于:该方法包括如下步骤:
2.根据权利要求1所述的一种基于自适应对角加载的信源数估计方法,其特征在于:所述的利用天线数m、采样样本数n以及所述降序特征值计算对角加载量的具体过程包括下列步骤:
3.根据权利要求2所述的一种基于自适应对角加载的信源数估计方法,其特征在于:在步骤S2~S4中,所述的假定信源的数量v的取值范围为v∈[2,m]。
4.根据权利要求3所述的一种基于自适应对角加载的信源数估计方法,其特征在于:在步骤S4.2中,所述的通过寻找使f(k,v)>0成立的v的最大值获得信源数估计值过程中,如果出现f(k,2)≤0,k≤2,则
【技术特征摘要】
1.一种基于自适应对角加载的信源数估计方法,其特征在于:该方法包括如下步骤:
2.根据权利要求1所述的一种基于自适应对角加载的信源数估计方法,其特征在于:所述的利用天线数m、采样样本数n以及所述降序特征值计算对角加载量的具体过程包括下列步骤:
3.根据权利要求2所述的一种基于自适应对角加载的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。